1.一种动态避障方法，应用于移动机器人，其特征在于，包括如下步骤：获取环境点云信息；

根据所述环境点云信息，对障碍物场景进行识别，得到障碍物场景信息；

对所述障碍物场景信息中动态障碍物场景信息进行预测处理，得到第一障碍物地图信息，并将所述第一障碍物地图信息更新至所述环境点云信息，得到更新后环境点云信息；

基于VFH避障算法，对所述更新后环境点云信息进行处理，得到当前目标方向信息；根据所述当前目标方向信息，对当前运行路径进行振荡区域标记，得到各所述振荡区域信息；根据各所述振荡区域信息，对所述当前运行路径进行振荡区域约束，得到优化后路径信息；

其中，对所述更新后环境点云信息进行处理的步骤包括：基于VFH避障算法，对所述更新后环境点云信息进行处理，得到二值障碍物密度直方图；对所述二值障碍物密度直方图进行处理，得到候选波谷信息；对所述候选波谷信息进行加权处理，得到加权后候选波谷信息；根据所述加权后候选波谷信息和预设的最终目标方向信息，得到所述当前目标方向信息；

其中，对当前运行路径进行振荡区域标记的步骤包括：获取预先存储的轨迹信息；将所述当前目标方向信息与所述预先存储的轨迹信息进行比对处理，并根据比对处理结果，计算当前运行路径点与相邻下一运行路径点的加权欧式距离差分，得到第一数值；在所述第一数值落入预设阈值范围时，对所述下一运行路径点进行振荡标记，得到所述振荡区域信息。

2.根据权利要求1所述的动态避障方法，其特征在于，在所述对障碍物场景进行识别的步骤之后还包括：在所述障碍物场景信息包括特殊障碍物场景信息时，生成对应特殊障碍物场景信息的第二障碍物地图信息，并将所述第二障碍物地图信息更新至所述更新后环境点云信息。

3.根据权利要求1所述的动态避障方法，其特征在于，在所述对障碍物场景进行识别的步骤之后还包括：在所述障碍物场景信息包括静态障碍物场景信息时，生成对应静态障碍物场景信息的第三障碍物地图信息，并将所述第三障碍物地图信息更新至所述更新后环境点云信息。

4.根据权利要求1所述的动态避障方法，其特征在于，所述获取环境点云信息的步骤包括：获取移动机器人前进方向的相机采集图像；

对所述相机采集图像进行摄像机标定处理，得到相机内参和畸变参数；

根据所述相机内参和所述畸变参数，对所述相机采集图像进行处理，得到所述环境点云信息。

5.根据权利要求4所述的动态避障方法，其特征在于，所述对所述相机采集图像进行摄像机标定处理的步骤包括：基于张氏标定算法，对所述相机采集图像进行内参标定，得到所述相机内参；

对所述相机采集图像进行畸变矫正，得到所述畸变参数。

6.根据权利要求1所述的动态避障方法，其特征在于，所述对所述障碍物场景信息中动态障碍物场景信息进行预测处理的步骤包括：初始化所述环境点云信息中各动态障碍物点的KF参数；

对相邻两帧图像中的动态障碍物点进行平移配准，获取对应动态障碍物点的移动信息；

将匹配到的动态障碍物点接入KF先验估计和后验更新模型进行KF预测处理，对未匹配到的动态障碍物点视为停止移动，并初始化对应未匹配到的动态障碍物点的KF参数；

根据KF预测处理的结果，得到所述第一障碍物地图信息。

7.一种动态避障装置，应用于移动机器人，其特征在于，包括：

点云信息获取单元，用于获取环境点云信息；

障碍物识别单元，用于根据所述环境点云信息，对障碍物场景进行识别，得到障碍物场景信息；

点云信息更新单元，用于对所述障碍物场景信息中动态障碍物场景信息进行预测处理，得到第一障碍物地图信息，并将所述第一障碍物地图信息更新至所述环境点云信息，得到更新后环境点云信息；

避障优化单元，用于基于VFH避障算法，对所述更新后环境点云信息进行处理，得到当前目标方向信息；根据所述当前目标方向信息，对当前运行路径进行振荡区域标记，得到各所述振荡区域信息；根据各所述振荡区域信息，对所述当前运行路径进行振荡区域约束，得到优化后路径信息；

其中，对所述更新后环境点云信息进行处理的步骤包括：基于VFH避障算法，对所述更新后环境点云信息进行处理，得到二值障碍物密度直方图；对所述二值障碍物密度直方图进行处理，得到候选波谷信息；对所述候选波谷信息进行加权处理，得到加权后候选波谷信息；根据所述加权后候选波谷信息和预设的最终目标方向信息，得到所述当前目标方向信息；

其中，对当前运行路径进行振荡区域标记的步骤包括：获取预先存储的轨迹信息；将所述当前目标方向信息与所述预先存储的轨迹信息进行比对处理，并根据比对处理结果，计算当前运行路径点与相邻下一运行路径点的加权欧式距离差分，得到第一数值；在所述第一数值落入预设阈值范围时，对所述下一运行路径点进行振荡标记，得到所述振荡区域信息。

8.一种移动机器人，其特征在于，包括移动机器人主体及设置在所述移动机器人上的控制器；所述控制器用于执行权利要求1至6任意一项所述的动态避障方法。